Embedding - jak AI porównuje znaczenie tekstu

Skąd AI wie, że dwa zdania mówią o tym samym?
Dział zatytułowany „Skąd AI wie, że dwa zdania mówią o tym samym?”Zamienia każdy tekst na współrzędne na mapie znaczenia i sprawdza, jak blisko siebie leżą. Blisko na mapie znaczy “o tym samym”, nawet gdy zdania nie mają ani jednego wspólnego słowa, a podobne litery niczego nie przesądzają. Trzem zdaniom przypiszesz etykietę: para o tym samym zadaniu albo pułapka na podobne słowa.
Komputer nie ma “kota”. Ma współrzędne
Dział zatytułowany „Komputer nie ma “kota”. Ma współrzędne”Komputer liczy na liczbach. Żeby porównać dwa teksty, musi je najpierw zamienić na listy liczb. Ta lista to embedding (fachowo: wektor) - współrzędne tekstu na mapie znaczenia.
Na mapie “kot” i “pies” siedzą blisko. “Samochód” - daleko. O bliskości nie decydują litery, tylko to, że w danych treningowych te słowa bywały w podobnym towarzystwie.
"kot" → [0.2, -0.5, 0.8, ...] blisko "psa""pies" → [0.3, -0.4, 0.7, ...]"samochód" → [-0.6, 0.8, -0.2, ...] gdzie indziejLiczby powyżej są przykładem, nie pomiarem. Ważny jest kształt: podobny sens → podobny wektor. Inny sens → inny wektor.
To nadal nie jest rozumienie, tylko geometria. Model nie “wie”, czym jest kot - wie, gdzie “kot” ląduje względem innych słów.
Po co ta mapa, skoro jest chatbot?
Dział zatytułowany „Po co ta mapa, skoro jest chatbot?”Bo chatbot bez mapy zgaduje z treningu. Z mapą potrafi szukać po znaczeniu w Twoich tekstach.
Pytanie “jak naprawić samochód” trafia blisko artykułu o “serwisowaniu auta”, choć żadne słowo się nie pokrywa. Na tym ruchu stoi RAG: znajdź bliskie fragmenty, dopiero potem pisz odpowiedź. RAG jest następną lekcją. Tu zostaje sama mapa.
Gdy takich wektorów jest dużo, trzyma się je w specjalnej bazie, która szuka najbliższych punktów na mapie, a nie dokładnych wpisów jak zwykła tabela. Nazwy produktów pomijam - zmieniają się szybciej niż ta analogia.
Ćwiczenie: 5 minut, trzy zdania
Dział zatytułowany „Ćwiczenie: 5 minut, trzy zdania”Oddzielasz sens od liter. Pytanie, “czy AI rozumie”, zostawiasz na boku.
-
Zakryj odpowiedź. Przy każdym zdaniu napisz: naprawa pieca / polityka / nie wiem.
1. Szukam kogoś do naprawy pieca.2. Potrzebuję serwisu kotła gazowego.3. Po wyborach w sejmie było gorąco jak w piecu. -
Które dwa są o tym samym zadaniu, choć używają innych słów? Które tylko dzieli podobne litery?
-
Opcjonalnie wklej trójkę do chatbota i zapytaj:
Które dwa z tych zdań są o tym samym zadaniu, choć używają innych słów? Które tylko brzmi podobnie przez te same litery? Odpowiedz numerami.1. Szukam kogoś do naprawy pieca.2. Potrzebuję serwisu kotła gazowego.3. Po wyborach w sejmie było gorąco jak w piecu.
Zaliczenie: na kartce para 1 i 2 jako ten sam sens oraz 3 jako pułapka na słowo “piec”. Wyszukiwarka po słowach połączyłaby 1 i 3, bo w obu pada “piec”. Mapa znaczenia łączy 1 i 2. Nie musisz znać wektora ani nazwy modelu.
Gdzie łatwo się pomylić: pary 1 i 2 są oczywiste, ale zdanie 3 kusi, bo “piec” pada w nim dosłownie. To właśnie pułapka, którą mapa znaczenia omija.
Jeśli nic nie zgrzyta i zostaje czas: weź jedno swoje stare pytanie do wyszukiwarki i przepisz je innymi słowami. Czy para nadal jest “o tym samym”? Jeśli tak - to właśnie to, co embedding ma złapać.
Teraz wiesz
Dział zatytułowany „Teraz wiesz”- Embedding to współrzędne tekstu na mapie znaczenia, nie magiczne rozumienie.
- Blisko = podobny sens. Te same litery mogą być pułapką.
- Ta mapa jest po to, żeby potem szukać fragmentów przed odpowiedzią - to RAG.
Następny krok: RAG - AI na Twoich dokumentach - najpierw wyszukaj bliskie fragmenty, potem dopiero pisz.
Częste pytania
Czym jest embedding?
Embedding to zamiana tekstu na listę liczb (wektor), która trzyma znaczenie. Podobne znaczeniem teksty lądują blisko siebie, nawet gdy używają innych słów.
Czym embedding różni się od wyszukiwania po słowach kluczowych?
Wyszukiwanie po słowach wymaga tych samych liter. Embedding porównuje położenie na mapie sensu. "Naprawić piec" i "serwis kotła" mogą być blisko, choć nie dzielą wyrazów.
Po co mi to przy chatbocie?
Bo gdy korzystasz z RAG (np. w dużym projekcie z wieloma plikami), system zwykle najpierw szuka fragmentów bliskich Twojemu pytaniu na tej mapie. Bez embeddingu zostaje szukanie po dosłownym brzmieniu.
made with ❤️ by aitomate.pl - Łukasz Podgórski